11 基础绘图plot()

11.1 学习目标

本章介绍基础 R 绘图方法，重点包括 plot() 的基本用法、图形元素修改、常见图形类型、多图布局和图片保存。

顺序	绘图内容	代表函数或参数
1	绘制基础图	`plot(x, y)`
2	添加图形说明	`main`、`xlab`、`ylab`
3	修改图中的点和线	`pch`、`cex`、`col`、`type`、`lty`、`lwd`
4	修改坐标范围	`xlim`、`ylim`
5	添加辅助元素	`grid()`、`abline()`、`text()`、`legend()`
6	画常见统计图	散点图、折线图、直方图、箱线图、柱状图
7	多图排列	`par()`、`layout()`
8	保存图片	`png()`、`pdf()`、`dev.off()`

11.2 画图的常见步骤

基础 R 画图通常可以分成五步：

步骤	做什么	例子
第一步	准备变量	`x <- 1:6`，`y <- c(2, 4, 3, 5, 7, 6)`
第二步	画基础图	`plot(x, y)`
第三步	修改元素	改标题、颜色、点形状、线宽
第四步	添加元素	加网格线、参考线、文字、图例
第五步	输出图片	保存为 PNG 或 PDF

示例变量如下。

Code

x <- 1:6
y <- c(2, 4, 3, 5, 7, 6)

plot(x, y)

x 控制横轴位置，y 控制纵轴位置。

11.3 plot中最基础的两个参数：x和y

plot(x, y) 中的 x 和 y 是最核心的两个参数。

参数	控制什么	说明
`x`	横轴变量	第一个点的横坐标、第二个点的横坐标，依次排列
`y`	纵轴变量	第一个点的纵坐标、第二个点的纵坐标，依次排列

坐标对应关系是绘图的基础。

11.4 给图加说明：main、xlab、ylab、sub

图形说明通常包括标题、横轴名称和纵轴名称。

参数	控制什么	示例
`main`	主标题	`"简单散点图"`
`xlab`	横轴标题	`"时间"`
`ylab`	纵轴标题	`"观测值"`
`sub`	副标题	`"示例数据"`

Code

plot(
  x, y,
  main = "简单散点图",
  xlab = "时间",
  ylab = "观测值",
  sub = "示例数据"
)

图形说明检查项：

图的标题有没有说明主题？
横轴有没有写清楚？
纵轴有没有写清楚？

11.5 修改点的形状：pch

pch 控制点的形状。

常用点形状可以按“是否可填充”分成两类。pch = 21 到 pch = 25 比较特殊，可以同时设置边框颜色和填充颜色。

`pch` 取值	形状示例	点形状	是否可填充	常见用途
`0`	□	空心方形	否	简单分类标记
`1`	○	空心圆	否	默认散点、点较多时较轻
`2`	△	空心三角形	否	与圆点区分另一组
`3`	+	十字	否	强调位置，不强调面积
`4`	×	叉号	否	标记特殊点
`5`	◇	空心菱形	否	分类标记
`6`	▽	空心下三角形	否	与上三角形区分
`7`	⊞	方形加号	否	较少使用
`8`	✳	星号	否	标记特殊点
`9`	◇	菱形加号	否	较少使用
`10`	⊕	圆形加号	否	较少使用
`11`	⊛	圆形星号	否	较少使用
`12`	⊡	方形加号	否	较少使用
`13`	⊙	圆形点	否	较少使用
`14`	□	方形点	否	较少使用
`15`	■	实心方形	否	分类对比
`16`	●	实心圆	否	常用散点
`17`	▲	实心三角形	否	分组散点
`18`	◆	实心菱形	否	标记重点类别
`19`	●	实心圆	否	基础示例和常规散点图
`20`	●	小实心圆	否	点很多时使用
`21`		可填充圆	是	需要边框色和填充色时
`22`		可填充方形	是	分组图
`23`		可填充菱形	是	标记重点类别或分组图
`24`	▲	可填充上三角形	是	分组图
`25`	▼	可填充下三角形	是	与上三角形配合区分分组

Code

plot(
  x, y,
  pch = 19,
  main = "pch = 19：实心圆点",
  xlab = "时间",
  ylab = "观测值"
)

11.6 修改点的大小：cex

cex 控制点或文字的放大倍数。

参数	控制什么	示例
`cex`	点的大小	`cex = 1` 默认，`cex = 1.5` 放大

Code

plot(
  x, y,
  pch = 19,
  cex = 1.8,
  main = "cex = 1.8：点变大",
  xlab = "时间",
  ylab = "观测值"
)

点过小会影响辨认，点过大会增加重叠。常用取值范围为 cex = 1.2 到 cex = 1.8。

11.7 修改点的颜色：col

col 控制颜色。颜色可以使用英文名称，也可以使用十六进制颜色代码。

参数	控制什么	示例
`col`	点、线或文字的颜色	`"blue"`，`"red"`，`"#0072B2"`

英文颜色名较为直观，例如 "blue"、"red"、"gray70"。十六进制颜色代码适合正式作图，因为它能精确指定颜色。

十六进制颜色代码通常写成 #RRGGBB：

位置	含义	取值范围
`#`	颜色代码的开头标记	固定写法
`RR`	红色强度	`00` 到 `FF`
`GG`	绿色强度	`00` 到 `FF`
`BB`	蓝色强度	`00` 到 `FF`

十六进制使用 0-9 和 A-F 表示数值。00 表示没有这种颜色，FF 表示这种颜色最强。例如：

颜色代码	红色 RR	绿色 GG	蓝色 BB	显示含义
`#000000`	`00`	`00`	`00`	黑色
`#FFFFFF`	`FF`	`FF`	`FF`	白色
`#FF0000`	`FF`	`00`	`00`	红色
`#00FF00`	`00`	`FF`	`00`	绿色
`#0000FF`	`00`	`00`	`FF`	蓝色
`#0072B2`	`00`	`72`	`B2`	常用蓝色

Code

plot(
  x, y,
  pch = 19,
  cex = 1.5,
  col = "#0072B2",
  main = "col 控制颜色",
  xlab = "时间",
  ylab = "观测值"
)

配色规则：主体信息用颜色，辅助信息用灰色。

11.8 可填充点：col和bg分工

当 pch = 21-25 这类点形状时，可以同时设置边框色和填充色。

参数	控制什么
`pch = 21-25`	使用可填充圆点
`col`	点的边框颜色
`bg`	点的填充颜色

Code

plot(
  x, y,
  pch = 21,
  cex = 1.8,
  col = "white",
  bg = "#0072B2",
  main = "pch = 21 时：col 是边框，bg 是填充",
  xlab = "时间",
  ylab = "观测值"
)

这种点在分组散点图中很常用，因为填充色醒目，白色边框能减少点重叠时的混乱。

11.9 type：画点还是画线

type 控制图形主体是点、线，还是点线结合。

`type`	控制什么	适合场景
`"p"`	只画点	散点图
`"l"`	只画线	时间变化、趋势变化
`"b"`	点和线都画	点数较少的趋势图
`"n"`	只建立坐标，不画点线	后面再手动添加元素

只画点：

Code

plot(x, y, type = "p", main = "type = 'p'：只画点")

只画线：

Code

plot(x, y, type = "l", main = "type = 'l'：只画线")

点和线都画：

Code

plot(x, y, type = "b", main = "type = 'b'：点和线都画")

11.10 修改线条：lty和lwd

如果图里有线，常用 lty 和 lwd 修改线条。

参数	控制什么	示例
`lty`	线型	`1` 实线，`2` 虚线，`3` 点线
`lwd`	线宽	`1` 默认，`2` 更粗

常用线型如下：

`lty` 取值	线型名称	常见用途
`1`	实线	主要趋势线
`2`	虚线	参考线、平均线
`3`	点线	辅助线
`4`	点划线	与其他线区分
`5`	长虚线	强调但不作为主线

常用线宽如下：

`lwd` 取值	线条示例	说明
`1`		默认线宽
`2`		常用强调线宽
`3`		更醒目的主线

Code

plot(
  x, y,
  type = "l",
  lty = 2,
  lwd = 3,
  col = "#D55E00",
  main = "lty 控制线型，lwd 控制线宽",
  xlab = "时间",
  ylab = "观测值"
)

黑白打印场景中，线条可同时使用不同的 lty 进行区分。

11.11 修改坐标范围：xlim和ylim

xlim 和 ylim 控制横轴、纵轴的显示范围。

参数	控制什么	示例
`xlim`	横轴范围	`xlim = c(0, 8)`
`ylim`	纵轴范围	`ylim = c(0, 10)`

Code

plot(
  x, y,
  pch = 19,
  col = "#0072B2",
  xlim = c(0, 8),
  ylim = c(0, 10),
  main = "xlim 和 ylim 控制坐标范围",
  xlab = "时间",
  ylab = "观测值"
)

坐标范围用于改善图形可读性。过大的范围会压缩数据变化，过窄的范围可能夸大差异。

11.12 添加网格线：grid

画完基础图后，可以继续添加元素。grid() 用来添加网格线，帮助读数。

函数或参数	控制什么
`grid()`	添加网格线
`col`	网格线颜色
`lty`	网格线线型

Code

plot(
  x, y,
  pch = 19,
  col = "#0072B2",
  main = "添加浅灰色网格线",
  xlab = "时间",
  ylab = "观测值"
)

grid(col = "gray88", lty = 1)

网格线一般使用浅灰色，视觉强度应低于数据点。

11.13 添加参考线：abline

abline() 可以添加水平线或垂直线。

参数	控制什么	示例
`h`	水平参考线的位置	`h = 5`
`v`	垂直参考线的位置	`v = 3`
`col`	参考线颜色	`col = "gray60"`
`lty`	参考线线型	`lty = 2`
`lwd`	参考线线宽	`lwd = 2`

Code

plot(
  x, y,
  pch = 19,
  col = "#0072B2",
  main = "添加水平和垂直参考线",
  xlab = "时间",
  ylab = "观测值"
)

abline(h = 5, col = "gray60", lty = 2, lwd = 2)
abline(v = 3, col = "gray60", lty = 3, lwd = 2)

参考线用于辅助读图，例如标出标准值、平均值或特定时间点。

11.14 添加文字：text

text() 可以在图中添加文字标注。适合标出某个重点。

参数	控制什么
`x`	文字所在位置的横坐标
`y`	文字所在位置的纵坐标
`labels`	要写出的文字
`pos`	文字相对点的位置，`1` 下，`2` 左，`3` 上，`4` 右
`cex`	文字大小
`col`	文字颜色

Code

plot(
  x, y,
  pch = 19,
  col = "#0072B2",
  main = "用 text 标出重点",
  xlab = "时间",
  ylab = "观测值"
)

text(
  x = 2.5,
  y = 3,
  labels = "text",
  pos = 3,
  cex = 0.9,
  col = "#D55E00"
)

文字标注通常用于重点位置；过多标注会降低图形可读性。

11.15 添加图例：legend

当颜色、点形状或线型代表不同组时，图例用于说明符号含义。

示例分组数据如下。

Code

group <- c("A", "A", "A", "B", "B", "B")
group_col <- c(A = "#0072B2", B = "#D55E00")
plot(
  x, y,
  pch = 19,
  col = group_col[group],
  main = "用 legend 解释颜色",
  xlab = "时间",
  ylab = "观测值"
)

legend(
  "topleft",
  legend = names(group_col),
  pch = 19,
  col = group_col,
  bty = "n"
)

函数或参数	控制什么
`legend()`	添加图例
`"topleft"`	图例位置，也可以写 `"topright"`、`"bottomleft"` 等
`legend`	图例文字
`pch`	图例中的点形状
`col`	图例中的点或线颜色
`bty = "n"`	去掉图例边框

图例的任务是解释符号，不是装饰图形。

11.16 目前学过的plot参数

到这里，基础参数已经够画很多图。

参数	控制什么	常用场景
`x`	横轴变量	所有基础图
`y`	纵轴变量	所有基础图
`main`	主标题	说明图的主题
`xlab`	横轴标题	说明横轴变量
`ylab`	纵轴标题	说明纵轴变量
`sub`	副标题	补充说明
`pch`	点形状	散点图
`cex`	点或文字大小	强调重点
`col`	颜色	点、线、文字
`bg`	可填充点的填充色	`pch = 21` 等
`type`	点线类型	散点图、折线图
`lty`	线型	折线或参考线
`lwd`	线宽	折线或参考线
`xlim`	横轴范围	调整显示范围
`ylim`	纵轴范围	调整显示范围

11.17 散点图

散点图适合观察两个数值变量之间的关系。

下面用 R 自带的 mtcars 数据。wt 是汽车重量，mpg 是每加仑行驶英里数。

Code

plot(
  mtcars$wt, mtcars$mpg,
  pch = 19,
  col = "#0072B2",
  main = "汽车重量与油耗",
  xlab = "汽车重量",
  ylab = "每加仑行驶英里数"
)

图中显示，汽车重量越大，mpg 通常越低。

散点图加分组颜色

下面按气缸数分组上色。颜色用于表达类别。

Code

cyl_col <- c(
  "4" = "#009E73",
  "6" = "#E69F00",
  "8" = "#D55E00"
)

plot(
  mtcars$wt, mtcars$mpg,
  pch = 19,
  col = cyl_col[as.character(mtcars$cyl)],
  cex = 1.4,
  main = "不同气缸数汽车的重量与油耗",
  xlab = "汽车重量",
  ylab = "每加仑行驶英里数"
)

legend(
  "topright",
  legend = paste(names(cyl_col), "缸"),
  pch = 19,
  col = cyl_col,
  bty = "n"
)

11.18 折线图

折线图适合表达有顺序的数据，比如时间变化。

Code

month <- 1:12
temperature <- c(2, 4, 8, 13, 18, 22, 25, 24, 20, 14, 8, 3)

plot(
  month, temperature,
  type = "l",
  lwd = 2,
  col = "#0072B2",
  main = "一年中温度的变化",
  xlab = "月份",
  ylab = "温度"
)

type = "b" 可同时显示折线和每个月的观测点。

Code

plot(
  month, temperature,
  type = "b",
  pch = 19,
  lwd = 2,
  col = "#0072B2",
  main = "折线图也可以显示观测点",
  xlab = "月份",
  ylab = "温度"
)

折线图的横轴应具有自然顺序。无序分类变量通常不适合直接连线。

11.19 直方图

直方图适合观察一个数值变量的分布。

Code

hist(airquality$Temp)

默认直方图可以进一步修改标题、颜色和分组数量。

参数	控制什么
`breaks`	分成多少个柱子，或者指定分组断点
`col`	柱子的填充颜色
`border`	柱子的边框颜色
`main`	主标题
`xlab`	横轴标题

Code

hist(
  airquality$Temp,
  breaks = 10,
  col = "#DCEEF8",
  border = "white",
  main = "温度分布",
  xlab = "温度"
)

直方图面积较大，浅色填充和白色边框通常能提高图面清晰度。

11.20 箱线图

箱线图适合比较不同组的数值分布。

Code

boxplot(
  Sepal.Length ~ Species,
  data = iris,
  main = "不同鸢尾花物种的萼片长度",
  xlab = "物种",
  ylab = "萼片长度"
)

这里出现了两个重要写法：

写法或参数	控制什么
`Sepal.Length ~ Species`	公式写法，左边是数值变量，右边是分组变量
`data = iris`	说明变量来自 `iris` 数据集

修改箱线图颜色：

Code

species_col <- c(
  setosa = "#0072B2",
  versicolor = "#D55E00",
  virginica = "#009E73"
)

boxplot(
  Sepal.Length ~ Species,
  data = iris,
  col = species_col,
  border = "gray30",
  main = "给不同组设置颜色",
  xlab = "物种",
  ylab = "萼片长度"
)

参数	控制什么
`col`	箱子的填充颜色
`border`	箱子的边框颜色

11.21 经典图五：柱状图

柱状图适合展示频数、总量、均值等汇总结果。

示例展示不同气缸数汽车的数量。

Code

cyl_count <- table(mtcars$cyl)

barplot(cyl_count)

修改柱状图：

Code

barplot(
  cyl_count,
  col = cyl_col[names(cyl_count)],
  border = NA,
  main = "不同气缸数汽车的数量",
  xlab = "气缸数",
  ylab = "汽车数量"
)

参数	控制什么
`border = NA`	不显示柱子的边框
`names(cyl_count)`	取出柱子的类别名称，用来匹配颜色

柱状图需要明确柱高含义。此处柱高代表汽车数量。

11.22 plot的底层逻辑：它会看数据类型

plot(x, y) 是最常见的用法。plot() 还会根据输入对象类型选择不同画法。

plot() 是泛型函数，会根据输入对象类型调用相应的绘图方法。

代码	数据类型	常见结果
`plot(x, y)`	两个数值向量	散点图
`plot(y ~ x, data = 数据集)`	公式写法	根据变量类型画图
`plot(分类变量, 数值变量)`	分组 + 数值	箱线图
`plot(数据框)`	多个变量	散点图矩阵

例如：

Code

plot(iris$Species, iris$Sepal.Length)

R 看到横轴是分类变量、纵轴是数值变量，于是自动画箱线图。

Code

plot(iris[1:4])

R 看到一个数据框，于是自动画出变量两两之间的散点图。

这体现了 plot() 的底层逻辑：根据对象类型选择绘图方法。

11.23 配色原则

颜色的目的不是让图更花，而是让信息更清楚。

情况	推荐做法	不推荐做法
只有一个重点	重点用蓝色或橙色，其他用灰色	所有元素都用强颜色
有多个类别	固定每一类的颜色	让颜色随机变化
点很多	使用稍微透明或较小的点	使用又大又深的点
要打印	同时使用点型或线型区分	只靠红色和绿色区分

下面是一组常用分类配色：

Code

good_col <- c(
  blue = "#0072B2",
  orange = "#E69F00",
  green = "#009E73",
  red = "#D55E00",
  purple = "#CC79A7",
  gray = "gray60"
)

barplot(
  rep(1, length(good_col)),
  col = good_col,
  border = NA,
  names.arg = names(good_col),
  las = 2,
  yaxt = "n",
  main = "一组常用分类配色"
)

这里出现的新参数：

参数	控制什么
`names.arg`	柱子下面显示的文字
`las = 2`	坐标轴文字垂直显示
`yaxt = "n"`	不显示纵轴

11.24 多图排列一：par

par() 用来设置整张画布。最常用的是 mfrow，意思是一页放多张图。

参数	控制什么	示例
`mfrow`	多图按行排列	`mfrow = c(1, 2)` 表示 1 行 2 列
`no.readonly = TRUE`	保存当前可修改的图形参数	常用于画完后恢复设置

安全写法：

Code

old_par <- par(no.readonly = TRUE)

par(mfrow = c(1, 2))

plot(x, y)
hist(airquality$Temp)

par(old_par)

实际画一次：

Code

old_par <- par(no.readonly = TRUE)

par(mfrow = c(1, 2))

plot(
  x, y,
  pch = 19,
  col = "#0072B2",
  main = "散点图"
)

hist(
  airquality$Temp,
  col = "#DCEEF8",
  border = "white",
  main = "直方图",
  xlab = "温度"
)

Code

par(old_par)

par() 修改的是图形设备设置，使用后通常恢复原设置。

11.25 多图排列二：layout

layout() 比 par(mfrow = ...) 更灵活，可设置不同图形占用不同大小的区域。

布局矩阵示例：

matrix(c(1, 1, 2, 3), nrow = 2, byrow = TRUE)

它表示：

位置	含义
数字 `1`	第 1 张图的位置
两个 `1` 连在一起	第 1 张图占两个格子
数字 `2`	第 2 张图的位置
数字 `3`	第 3 张图的位置

参数	控制什么
`matrix()`	创建布局矩阵
`nrow = 2`	矩阵有 2 行
`byrow = TRUE`	按行填入数字

Code

old_par <- par(no.readonly = TRUE)

layout(matrix(c(1, 1, 2, 3), nrow = 2, byrow = TRUE))

plot(
  mtcars$wt, mtcars$mpg,
  pch = 19,
  col = "#0072B2",
  main = "主图：散点图",
  xlab = "汽车重量",
  ylab = "每加仑行驶英里数"
)

hist(
  mtcars$mpg,
  col = "#DCEEF8",
  border = "white",
  main = "油耗分布",
  xlab = "mpg"
)

barplot(
  table(mtcars$cyl),
  col = cyl_col,
  border = NA,
  main = "气缸数"
)

Code

par(old_par)
layout(1)

layout(1) 的作用是把布局恢复为一张图占满整个画布。

11.26 保存图片

画完图以后，可以保存为图片文件。常见格式有 PNG 和 PDF。

PNG 适合放在课件、网页或 Word 文档中。

Code

png(
  filename = "scatter_plot.png",
  width = 1200,
  height = 900,
  res = 150
)

plot(
  mtcars$wt, mtcars$mpg,
  pch = 19,
  col = "#0072B2",
  main = "汽车重量与油耗",
  xlab = "汽车重量",
  ylab = "每加仑行驶英里数"
)

dev.off()

参数或函数	控制什么
`png()`	打开一个 PNG 图片设备
`filename`	保存的文件名
`width`	图片宽度，默认单位是像素
`height`	图片高度，默认单位是像素
`res`	图片分辨率
`dev.off()`	关闭图片设备，真正写出文件

PDF 适合论文、书籍或需要矢量图的场景。

Code

pdf(
  file = "scatter_plot.pdf",
  width = 6,
  height = 4
)

plot(
  mtcars$wt, mtcars$mpg,
  pch = 19,
  col = "#0072B2",
  main = "汽车重量与油耗",
  xlab = "汽车重量",
  ylab = "每加仑行驶英里数"
)

dev.off()

参数或函数	控制什么
`pdf()`	打开一个 PDF 图形设备
`file`	保存的文件名
`width`	图片宽度，单位是英寸
`height`	图片高度，单位是英寸
`dev.off()`	关闭图形设备

保存图片时需要执行 dev.off() 关闭图形设备，否则文件可能没有正常写完。

11.27 练习题

练习一：用 x <- 1:6 和 y <- c(2, 4, 3, 5, 7, 6) 画一张散点图。要求：

点用实心圆。
点的颜色用蓝色。
添加主标题、横轴标题、纵轴标题。

x <- 1:6
y <- c(2, 4, 3, 5, 7, 6)

plot(
  x, y,
  pch = 19,
  col = "#0072B2",
  main = "简单散点图",
  xlab = "时间",
  ylab = "观测值"
)

练习二：把练习一改成点线图。要求：

使用 type = "b"。
线宽设为 2。
点大小设为 1.5。

plot(
  x, y,
  type = "b",
  pch = 19,
  cex = 1.5,
  lwd = 2,
  col = "#0072B2",
  main = "点线图",
  xlab = "时间",
  ylab = "观测值"
)

练习三：用 airquality$Temp 画直方图。要求：

设置 breaks = 10。
柱子填充浅蓝色。
柱子边框为白色。

hist(
  airquality$Temp,
  breaks = 10,
  col = "#DCEEF8",
  border = "white",
  main = "温度分布",
  xlab = "温度"
)

练习四：用 par(mfrow = c(1, 2)) 把散点图和直方图放在同一页。

old_par <- par(no.readonly = TRUE)

par(mfrow = c(1, 2))

plot(x, y, pch = 19, col = "#0072B2")
hist(airquality$Temp, col = "#DCEEF8", border = "white")

par(old_par)

练习五：把自己最满意的一张图保存成 PNG 文件。

png("my_first_plot.png", width = 1200, height = 900, res = 150)

plot(
  x, y,
  pch = 19,
  col = "#0072B2",
  main = "我的第一张保存图片",
  xlab = "时间",
  ylab = "观测值"
)

dev.off()

11.28 小结

基础绘图的常用流程如下：

顺序	操作
1	用 `plot(x, y)` 画出基础图
2	用 `main`、`xlab`、`ylab` 说明图
3	用 `pch`、`cex`、`col` 修改点
4	用 `type`、`lty`、`lwd` 修改线
5	用 `grid()`、`abline()`、`text()`、`legend()` 添加辅助元素
6	用 `par()` 或 `layout()` 排列多图
7	用 `png()` 或 `pdf()` 保存图片

图形质量取决于变量选择、参数设置和信息表达。每个参数都应服务于数据呈现和图形可读性。